La “Teoria dei mondi impossibili” introduce un approccio innovativo per rendere possibile la fusione tra i dataset in termini di attributi e osservazioni, anche quando non sono affatto correlati. Ciò significa che partendo da dataset che rappresentano mondi indipendenti è possibile analizzare un unico dataset globale e che il trasferimento di ogni set di dati negli altri è sempre possibile.
Questa procedura consente un ulteriore approfondimento nello studio di un problema offrendo la possibilità di altri punti di vista indipendenti. I set di dati, anche non correlati, creano una rappresentazione metaforica del problema, utile in termini di velocità di convergenza e risultati predittivi, preservando le relazioni fondamentali nei dati.
Per ottenere questa conoscenza condivisa, un encoder automatico codifica contemporaneamente tutti i diversi mondi mediante una nuova regola di apprendimento denominata double backpropagation.
P.M. Buscema, P.L. Sacco, F. Della Torre, G. Massini, M. Breda, G. Ferilli,
Theory of impossible worlds: Toward a physics of information
https://doi.org/10.1063/1.5024371, May, 2018.
